CT影像組學在胃腸道外間質瘤中的研究進展＊

丁振偉，孫思琦，盧佳萌，程昱昊，賴要宇

（皖南醫學院醫學影像學院，安徽 蕪湖241002）

近年來，惡性腫瘤發病率逐年增高，對人類生命造成很大的威脅。各種醫學影像技術廣泛應用在腫瘤的早期檢查中，胃腸道外間質瘤的檢出率較以往顯著上升，在盡早選定有效的治療方案過程中有很大的參考意義。目前，診斷疾病最常用的方法是醫學影像技術，它能無創地獲取患病部位重要的特征信息。但這些傳統診斷方法不能對腫瘤的異質性和危險度等情況進行準確判斷，在此背景下，醫學工作者們尋求新的方法，新時代的產物“影像組學”應運而生。

1 胃腸道外間質瘤的傳統診斷方法

胃腸道外間質瘤（extragastrointestinal stromaltumor，EGⅠST）是起源于腹腔軟組織如網膜、腸系膜、腹膜后腔等處，與腸壁或內臟漿膜面無關，僅占間質瘤的3%～4%[1]。人類各年齡階段皆可發生EGⅠST，在人群中無性別差異并以中老年人群多發。又因腫瘤位于消化道外，腹腔和腹膜后所余空間大，因此癥狀常于晚期被發現，病人的臨床表現主要為腹部有異常感覺、腹部出現腫塊和腹痛，首次發現時瘤體往往較大。當發現疑似患者，除了應用相關腫瘤標記物檢查之外，臨床上還常常使用影像學技術。首先對其進行檢查確定有無良惡性腫瘤，如有再進行腫瘤定性、定位等相關信息的分析和處理，迅速且準確地選擇后續治療方案，接受手術或相關藥物治療，延長生存時間保證患者的生命質量。目前治療手段以手術切除發病部位為主，手術類型和范圍的選擇由腫瘤所在的部位和大小共同決定。目前來說，在治療前臨床最為關注的問題，除了正確判斷EGⅠST良惡性、異質性，還有手術治療的危險度，這些因素對臨床在選擇治療方案時有著重要的參考價值。通過這些特點，可以直接制定臨床治療方案，預測治療效果，以及評估患者治療后恢復情況。

目前EGⅠST常用的影像學檢查包括超聲、CT、MRⅠ等。其中又以CT影像檢查技術最為常用，在很多方面運用起來都有很大的優勢。

2 胃腸道外間質瘤的CT特征

EGⅠST的CT表現如下：①EGⅠST體積大。②EGⅠST內部出現液氣平面影的概率極小，這一特點是胃腸道外間質瘤特征性表現。③EGⅠST的密度不是均勻的，而且有很大概率發生壞死和囊變。④EGⅠST的形狀小部分是類圓形，大部分是不規則形，周圍見分葉。⑤EGⅠST實性部分清楚地表現為均一強化，在動脈期時，線條狀的異常增強腫瘤血管影清晰可見，但是對于囊變壞死區來說，在動脈期和門脈期都沒有明顯強化。⑥EGⅠST直接侵犯周圍組織的病例較少，常常壓迫移位，腹膜后淋巴結轉移概率也較小。早期檢查時，腫瘤是否存在及其診斷過程中CT有著舉足輕重的價值，但顯而易見這種方法是一種定性分析，嚴重依賴于臨床醫生的視覺觀察及常年累積的診斷經驗，可能存在誤差和具有不可重復的特點。在臨床上精準的病理檢查被稱為最可靠的檢查方法，因此，胃腸道外間質瘤的確診通常依靠病理檢查及免疫組化得出，多數患者經有創獲取病灶樣本，制成病理切片，病理檢查后通過其病理學特點來精準判斷腫瘤的特征。此方法為有創操作，因此不可多次重復，同時也會給患者帶來痛楚和出現并發癥的可能。術前評估患者良惡性至關重要，因為精準的術前良惡性判斷對患者的治療和預后有著不可小覷的影響，對于EGⅠST來說，準確而迅速地評估其危險度及下一步的診治至關重要，會給患者帶來最大的好處。CT影像組學與傳統檢查方法相比，能夠自動地提取圖像顯示的有效信息，在一定程度上減少了影像醫師主觀原因造成診斷誤差的概率，可更加客觀、全面地反映腫瘤潛在的生物學特性。CT影像組學逐漸廣泛應用于腫瘤的診斷和治療的過程之中，而且取得了一些比較有意義的成果。

3 影像組學的工作流程

CT影像組學就是從CT檢查的圖像中高通量地提取大量的影像特征，應用大量自動化數據特征化算法將感興趣區（region of interest，ROⅠ）的影像數據轉化為可采集的、擁有高保真度和高通量的、具有高維可發掘的特征空間數據，并進行數據挖掘，將影像學特征與表型或基因-蛋白特征相聯系起來，用于構建描述和預測模型。其核心假設是對圖像特征數據進行自動化分析獲取對疾病診斷、預后及預測有價值的信息[2]。

胃腸道外間質瘤CT影像組學的工作流程為：①數據采集與重建。根據研究目的，收集相同或相似采集參數的數據集。②圖像分割與繪制。通過自動化分割算法[3]或臨床專家勾畫確定胃腸道外間質瘤區域ROⅠ。③特征提取和選擇。從圖像中提取和限定描述性特征，如灰度分布、灰度級之間的空間關系、紋理異質性、小波等[4-5]。④模型建立及數據共享。通過對選定的影像組學特征與結果進行分析建立預測模型[6]。

4 CT影像組學在胃腸道外間質瘤方面的發展應用

CT是胃腸道外間質瘤影像學檢查技術應用最廣泛的，近年來，CT影像組學在腫瘤的研究逐漸增多，且取得了以下一些不錯的效果：①區分腫瘤的良惡性。6個紋理特征建立的分類模型能夠在訓練集和驗證集中成功地區分良惡性胃腸道間質瘤。該模型在訓練集中得到的AUC、敏感性、特異性和分類準確率分別為0.93、0.88、0.85和0.87；驗證集中分別為0.91、0.87、0.86和0.86[7]。②腫瘤的病理分型及診斷。在病理分型及診斷方面，基于CT的影像組學對胰腺導管內乳頭狀黏液瘤有預測的潛力，該腫瘤多數為胰腺癌的早期病變[8]。③進行腫瘤危險度的預測。基于增強MDCT的圖像提取質地和形態特征所開發的影像組學特征模型，對高危和低危胃腸道間質瘤患者的鑒別準確性較高[9]。有研究顯示，經CT提取形狀大小特征、一階統計特征、高階紋理特征3大紋理特征，然后應用基于ReliefF、MⅠ（MutualⅠnformation）、Fisher Score、EC（Eigenvector centrality）的前向選擇算法進行特征提取，并利用SVM（support vector machines）、RF（Random forest）、KNN（K-Nearest Neighbor）分類器進行訓練得到預測模型。最后對模型進行評估比較，實現了基于影像組學特征的胃腸道間質瘤危險度分級預測輔助診斷[10]。④預測腫瘤的預后效果。一項研究282例早期非小細胞肺癌患者中，影像組學顯示出對疾病預后額外的預測價值[11]。CT影像組學在得到相應的影像圖像后，進行相關的專業技術處理，可得到腫瘤的形態特征及部分功能上的重要信息，由此監測疾病的發生、發展，以及對相應的治效方案進行評價。對腫瘤的異質性和危險度分級遠遠超越了影像醫師經驗所得的判斷結果，可以反映組織的細胞微環境的微妙變化，可作為定量探究病灶異質性的一種重要手段。在可見的未來，影像組學可以提供更為精確的診斷，為患者提供更好的治療手段。當前，影像組學作為一套標準的研究流程，在越來越多的臨床應用中得以實施。依據大量研究，有理由相信CT影像組學在胃腸道外間質瘤的診斷中有很大的發展潛能。

5 挑戰和展望

5.1 挑戰

影像組學作為研究疾病的一種新方法，目前發展有限，存在許多問題需要解決，其中有兩個問題嚴重阻礙了影像組學的向前發展，即沒有完備的數據庫和數據缺乏統一標準。

5.1.1 沒有完備的數據庫

臨床數據龐大，各種變量關系錯綜復雜，在對某一腫瘤采取特征提取的時候影像組學通常會從中得到數以萬計的特征，然而可以來回進行驗證的數據卻寥寥無幾，兩者比例相差較大。未來從錯綜復雜的眾多數據中挑選出有意義的部分建立數據庫，需要投入大量的人力物力。由于有用的數據相對較少，要建立因果關系的映射可謂步步艱辛。現有的影像組學研究小樣本占絕大一部分，很少研究大量樣本，所得的結論也沒有得到廣泛驗證。

5.1.2 數據缺乏統一標準

由于醫學影像設備的圖像獲取及成像算法中還沒有一個公認統一的標準，不同的科研機構采用不同的方法，圖像采集和影像分析根據不同的標準結果也各有差異，不具有普遍性。就目前研究來說，已經有很多的技術和算法應用于影像組學，然而阻礙研究進展的是還沒有制定統一標準，最優的方法仍不知是哪一種。

5.2 展望

人工智能是當前研究的一個熱點，其特點是通過計算機來模擬人類的思維過程并做出最佳判斷，隨著科技的不斷進步，為人工智能技術的發展帶來勃勃生機，人工智能也逐漸應用在醫學工作的過程當中。其中，醫學影像與人工智能的結合是最具發展前景的領域[12]。從現在的研究結果來看，目前的研究主要是利用CT數據，多數研究的樣本量也不大，結果的可行性尚需未來更多實驗來驗證。在研究腫瘤過程中，醫學影像與人工智能的結合在三個主要的臨床任務中發揮了巨大的作用，即腫瘤的檢測、表征和監測[13]。人工智能越來越智能化，在其他的研究和應用方面將會有很大的發展空間，將來有很大可能應用到臨床醫學影像工作中，比如通過人工智能自動化提取影像特征，可將其應用于疾病的分析和綜合診斷。未來人工智能在腫瘤研究中可以開展的工作還有很多，例如疾病的診斷，胃腸道外間質瘤影像的自動化分析，腫瘤的良惡性、危險度和異質性預測。對重大疾病的預測，對早期干預、優化治療手段和療效評估具有指導意義。

6 小結

隨著醫學的進步，影像組學的提出和應用大大地推動了精準醫療的發展，最近數十年，研究腫瘤良惡性、危險度分級、分期、分型、預后等方面取得了一系列成果，影像組學不但能夠提前診斷出疾病，而且能做出更加合適的應對方案，使預后效果更好，使患者益處最大化。影像組學作為一個新興領域，必然存在許多挑戰和發展的空間。一方面存在很多需要人們未來進一步解決的問題，如沒有完善的數據庫、圖像獲取和成像算法缺乏統一標準等；另一方面，新興領域的研究同樣存在很大的進步空間，比如人工智同CT影像組學在腫瘤的應用。因此，需要進行不斷研究，需要更多嚴謹創新的想法，相信在廣大醫學科研工作者的一致努力下，影像組學將會給醫學帶來重大意義的改變。